文献类型： 中文期刊

作者： 张胜男 ¹ ; 陆苗 ¹ ; 温彩运 ¹ ; 宋英强 ¹ ; 康璐 ¹ ; 沈军辉 ¹ ; 杨民志 ¹ ;

作者机构： 1.北方干旱半干旱耕地高效利用全国重点实验室(中国农业科学院农业资源与农业区划研究所);山东理工大学建筑工程与空间信息学院;东营市垦利区农业发展服务中心

关键词： 土壤盐渍化;多光谱遥感反演;机器学习

期刊名称： 测绘通报

ISSN： 0494-0911

年卷期： 2024 年 002 期

页码： 1-7

收录情况： 北大核心 ; CSCD

摘要： 在沿海平原地区,土壤盐度是制约作物生长的非生物胁迫之一,也是作物种植的重要依据,作物类型能够间接反映土壤盐渍化程度,因此本文提出了一种融合作物类型信息的土壤盐分反演方法.以黄河三角洲典型滨海盐渍土地区为例,基于Sentinel-2 MSI影像,首先采用随机森林分类提取作物类型信息,并基于OneHot方式将作物类型信息编码;然后融合作物类型信息,结合环境协变量数据、地面实测盐分数据,采用自适应增强决策树模型(AB-DT)进行盐分反演;最后与其他机器学习方法,如支持向量机、随机森林、K最邻近和决策树进行盐分反演精度的对比.结果表明:①加入作物类型信息能够提高土壤盐分反演模型精度,所有模型中,融合作物类型变量的AB-DT反演模型精度最高,建模集R2为0.86,测试集R2为0.61;②加入作物类型信息能够修正误判的盐渍土级别,并使土壤盐分反演结果的地块边缘更加清晰.综上所述,加入作物类型信息,能够提高土壤盐分反演的准确性,为农田管理和农业决策提供更可靠的依据.